opencv3.1 boost级联分类器

级联分类器整个过程主要包括：样本准备，数据生成，训练，交叉验证，检测。涉及的源代码主要包括：

1）  样本标注的工具：applications->opencv_annotation   opencv_annotation.exe

注意：在标注的过程中，需要注意标注程序要能正确读取到相应的图像。每次画完标注框，需要按C键才能保存该标注框。

2）  测试或训练样本的生成工具：applications->opencv_createsamples    opencv_createsamples.exe

说明：将样本以向量的方式写到vec文件中，给定正样本进行变形的方法没有成功，目前只试过第三种方法：给定正样本图像集合文件（即第一步获得的标注文件），将样本文件的每个样本逐个写到vec文件中，超过样本图像数后会输出parse error，但不是报错，属正常结束。

3）  级联分类器训练工具： applications->opencv_traincascade中的cascadeclassifier中的CvCascadeClassifier类，主要用于train，但具有私有方法predict；   opencv_traincascade.exe
（之前的诸如：贝叶斯，k-nn，SVM，决策树，随机树等等，在old_ml中。但在boost中的CvCascadeBoost类，也有相关的公有的训练和预测方法，与级联分类器的区别需要进一步确认）

说明：bgName参数为负样本描述文件（.dat），文件中包含一系列的图像文件名，这些图像将被随机选作物体的背景，具体可以是每一行为一个包含绝对路径的背景图像文件名。

4）  级联分类器检测：可以利用modules->opencv_objdetect中cascadedetect中的CascadeClassifierImpl类；也可以利用opencv2/objdetect.hpp定义的CascadeClassifier类，具体在modules->opencv_objdetect->Src中cascadedetect.cpp中实现（基于BaseCascadeClassifier类实现）；也可以利用训练工具中的predict方法进行预测。

5）  Opencv提供了测试方法：tests accuracy->opencv_test_objdetect的测试方法；testsperformance->opencv_perf_objdetect的测试方法。

 

级联分类器的训练过程参考：

http://docs.opencv.org/3.1.0/dc/d88/tutorial_traincascade.html#gsc.tab=0